人血细胞的单细胞转录组图谱
文章信息
文章题目：Single-cell Transcriptomic
Landscape of Human Blood Cells
期刊：National Science Review
(IF:17.275)
日期：24 August 2020
DOI: /10.1093/nsr/nwaa180
摘要
背景：目前缺乏一个关于全血系统的单细胞层面转录组参考系。
方法：
1.使用Single-Cell Tagged Reverse Transcription RNA Sequencing (STRT-seq) strategy，分析21个健康献血者的32种免疫细胞类型，得到了总共7551个人血细胞，发现蛋白质编码基因和lncRNAs 构建的人血单细胞转录图谱（atlas of blood cells ，ABC）具有高度一致性。
2.使用SCENIC构建了转录因子和靶基因的调节网络，发现中性粒细胞和单核细胞中共同的转录因子调控网络被激活。
3.分析每个特定细胞群(HSPCs、B细胞、NK细胞、T细胞、单核细胞、中性粒细胞和红细胞)的分化轨迹和特征，发现有核红细胞与免疫信号通路密切相关。
意义：提供了单细胞分辨率的人血细胞转录图谱，从而为探索生理和病理造血提供了全面的参考。
实验设计及质控
样本：21个健康成人的骨髓和外周血的单核细胞
细胞：流式分选了32种血细胞，过滤后得到了7551个细胞进行下游分析。
Scheme of the experimental design
细胞过滤标准：
1.保留至少有1000个蛋白质编码基因表达的细胞，总共有7551个细胞符合要求。
2.保留至少有500个lncRNA 表达的细胞，总共有7192个细胞符合要求。
大致的单细胞下游分析流程：SCTransform → IntegrateData→RunPCA→ FindCluster→ FindVariableFeatures→RunUMAP →FindNeighbors and FindClusters →SCENIC →HOMER → bedtools →Monocle3 →scran
结果
1.人类血液细胞转录组参考系
首先，整体而言，HSPC和单核细胞表达的基因数量最多，而NK 细胞、T细胞和中性粒细胞的转录相对静止(图1B)。值得注意的是，与HCA数据库相比，他们的数据能够检测到更多的基因和转录因子用于深入分析(P<2.2e-16,图1C)，并且在检测低丰度基因方面尤其具有优势。
他们接着整合了所有造血细胞的单细胞转录组图谱，然后通过UMAP进行降维和可视化。发现从HSPC开始，向淋巴细胞(B细胞、NK细胞和T细胞)、髓系细胞(单核细胞和中性粒细胞)和红细胞分支，揭示了造血分化的总体轨迹。与B细胞、单核细胞和红细胞相比，他们发现NK细胞、T细胞和中性粒细胞缺乏从祖细胞到分化细胞的连续转录转移，这表明这些细胞在成熟过程中可能获得基因表达的”戏剧性“变化，或者存在已知的表面标记没有捕捉到的过渡群体(图1D)。
最后，他们观察到AVP在HSCs和MPPs中特异表达。CD79B、GZMH和CCR7分别在B细胞、NK细胞和T细胞中高特异性和高表达，SPI1和GATA1分别在中性粒细胞/单核细胞和红细胞中高表达(图1E)，验证了每种细胞中与造血相关的已知标记基因。通过对20多个健康献血者的多个典型造血群体的深度测序，他们的人类血细胞单细胞转录图谱为人类生理性和病理性造血研究提供了有价值的转录组参
考。
Fig.1 Transcriptome reference of human blood cells
2.造血分化的转录因子调控网络
为了解析造血分化相关转录因子调控网络(调节子)，使用SIENIC 计算了所有转录因子的调控活性分数(RAS)，然后构建了人类血细胞的调控图谱。结果显示，由调节子揭示的造血分化轨迹与单细胞转录组的数据结果总体一致(图2A)。
接着，通过无监督的聚类将造血细胞分成20个调控簇，称为C1到C20，每个调控簇都显示出高度特异的调节子集基因的激活(图2B)。在主要由HSPC细胞组成的C1/C2簇细胞中，HOX基因被激活。TCF4、EBF1和LEF1在代表B细胞的C3~C7簇中活性较高，浆细胞中PRDM1和XBP1活性较高，而NK/T细胞中GATA3和Tbx21活性较高。CEBP和SPI1在中性粒细胞/单核细胞系中显示出高活性，而GATA1和KLF1在红系中被激活(图2C)。值得注意的是，单核细胞和中性粒细胞共享大多数髓系特有的调节子基因，而淋巴细胞调节子则有着明显的细胞类型特异性，在B淋巴细胞成熟过程中调节子的变化证明了这一特点(图2C)。
Fig 2.Transcription factor regulatory networks underlie hematopoiesis
3.单细胞转录组的非编码RNA图谱
LncRNAs在造血细胞的分化和发育过程中起着至关重要的作用。然而，在单细胞水平下lncRNAs在造血细胞中的表达谱尚未见报道。因此，他们基于lncRNA表达水平，构建一个包含7192个血细胞的转录图谱。根据NONCODE数据库的基因组注释，32种免疫表型细胞平均可以检测到1700多个LncRNAs。与蛋白质编码基因一致，HSPC 和单核细胞表达的lncRNAs数量最多，而NK细胞、T细胞和中性粒细胞表达的lncRNAs数量最低(图3A)。而且仅用lncRNAs构建的造血分化轨迹与蛋白质编码基因构建的分化轨迹高度一致(图3B)。
为了进一步剖析转录异质性，他们计算了蛋白编码基因和lncRNA 在任何两种免疫表型细胞类型之间差异表达的基因（DEG）。DEG数
量表明lncRNAs和蛋白质编码基因之间有很高的一致性(图3C)。这些结果表明，lncRNAs的动态变化能够描述整个造血系统的层次结构。
接下来，他们确定了每种免疫表型细胞类型的标志性蛋白编码基因和lncRNAs，发现lncRNA signature 倾向于与其相邻的蛋白编码基因相关联，以获得更多分化的细胞类型，而不是祖细胞(图3D)。此外，lncRNA signatures显示出更高的PhastCons保守分数和更高的细胞特异性(图3E-F)。特别是，与造血特征的基因(AVP、CD79B、GZMH、CCR7、SPI1和GATA1)相邻的lncRNA(NONHSAG031143.2、NONHSAG073805.1、NONHSAG069091.1、NONHSAG108638.1、NONHSAG008235.2和NONHSAG103763.2)分别在HSPC、B细胞、NK细胞、T细胞、中性粒细胞/单核细胞和红细胞中高表达(图3G)。这些发现在单细胞水平上鉴定出了造血细胞中特异表达的lncRNAs，它们倾向于与其相邻的蛋白编码基因共表达，以获得更多的细胞分化类型。
Fig.3 Reconstruction of hematopoietic hierarchy by using lncRNAs
4.造血细胞亚群的精细图谱
接下来精确剖析了每个特定细胞亚群(HSPC、B细胞、NK细胞、T细胞、单核细胞、中性粒细胞和红细胞)的分化轨迹和特征。考虑到CD71+红细胞的免疫作用在以往的研究中已有报道，因此作者们首先关注了红系细胞群。首先将来自不同捐赠者的细胞整合在一起，然后用UMAP降维和可视化。他们发现，在红系谱系中，Ery/Gra1和Ery/Gra2显示了与中性粒细胞和单核细胞/树突状细胞(MD)特征相关的高表达基因(图4A)。
Ery/Gra1和Ery/Gra2中特异表达基因的GO富集分析主要富集在中性粒细胞相关、吞噬和炎症反应以及抗原处理和提呈通路，这暗示了这两个红细胞亚群可能有先天性和获得性免疫功能(图4B)。伪时间分析表明，Ery/Gra2簇有着独特的免疫相关基因表达，例如VCAN 和S100A9基因(图4C-D)。此外，他们发现CD74+有核红细胞主要表达在Ery/Gra1和Ery/Gra2簇(图4D)。随后，他们还描述了HSPC、
B细胞、NK细胞、T细胞、单核细胞和中性粒细胞的分化轨迹和功能多样性。正如预想的一样，HSPC的分化轨迹包含了淋巴系、髓系和红系/巨核系在内的祖细胞的分支(图4e)。伪时间分析反映了B和NK细胞群体的分化轨迹(图4F-G)。对于T细胞群，CD4T和CD8T细胞可各分为三类，分别包括初始T细胞、记忆T细胞和效应性T细胞。CD4初始T细胞和记忆T细胞紧密相靠，但CD8记忆T细胞和却与效应T 细胞紧密相连(图4H-I)，接着是单核细胞和中性粒细胞亚群的分化轨迹(图4J-K)。最后，他们发现细胞周期相关基因在HSPC分化过程中被激活，而在血细胞成熟过程中则失活(图4L)。综上所述，他们详述了每个细胞压群的分化轨迹图谱，并观察了有核红细胞的免疫激活情况。
综上所述，他们详述了每个细胞群体的分化图谱，并观察了有核红细胞的免疫激活现象。
Fig.4 Immune activation of CD74+ nucleated erythrocytes and elaborate atlas for other hematopoietic cell populations 最后，作者建立了一个在线数据库(/)来可视化数据，并且可预测用户自己数据的单细胞转录组细胞类型。
Atlas
总结
1.该研究借助单细胞转录组深度测序技术，覆盖了从造血干细胞到祖细胞再到各谱系成熟血细胞在内的32种类型的血细胞，绘制了人全血细胞的精细分子图谱。
2.揭示了全新的与造血分化相关的lncRNAs和转录因子，并对主要血细胞群体进行精细分群和定义，首次提出CD74阳性的有核红细胞可能具有免疫调节功能。
3.在线数据库有助于我们在单细胞水平上找到某特定基因在32种血细胞的表达水平变化，以及可以利用自己的数据绘制发育分化轨迹图谱。
总的来说，该研究图谱全面地整合了血细胞的转录组信息和免疫表型信息，为后续血液生理学和病理学研究提供了重要的血细胞注释
依据和参考价值。
人血细胞的单细胞转录组图谱 文章信息 文章题目：Single-cell Transcriptomic Landscape of Human Blood Cells 期刊：National Science Review (IF:17.275) 日期：24 August 2020 DOI: /10.1093/nsr/nwaa180 摘要 背景：目前缺乏一个关于全血系统的单细胞层面转录组参考系。 方法： 1.使用Single-Cell Tagged Reverse Transcription RNA Sequencing (STRT-seq) strategy，分析21个健康献血者的32种免疫细胞类型，得到了总共7551个人血细胞，发现蛋白质编码基因和lncRNAs 构建的人血单细胞转录图谱（atlas of blood cells ，ABC）具有高度一致性。 2.使用SCENIC构建了转录因子和靶基因的调节网络，发现中性粒细胞和单核细胞中共同的转录因子调控网络被激活。 3.分析每个特定细胞群(HSPCs、B细胞、NK细胞、T细胞、单核细胞、中性粒细胞和红细胞)的分化轨迹和特征，发现有核红细胞与免疫信号通路密切相关。 意义：提供了单细胞分辨率的人血细胞转录图谱，从而为探索生理和病理造血提供了全面的参考。 实验设计及质控 样本：21个健康成人的骨髓和外周血的单核细胞 细胞：流式分选了32种血细胞，过滤后得到了7551个细胞进行下游分析。 Scheme of the experimental design
细胞过滤标准： 1.保留至少有1000个蛋白质编码基因表达的细胞，总共有7551个细胞符合要求。 2.保留至少有500个lncRNA 表达的细胞，总共有7192个细胞符合要求。 大致的单细胞下游分析流程：SCTransform → IntegrateData→RunPCA→ FindCluster→ FindVariableFeatures→RunUMAP →FindNeighbors and FindClusters →SCENIC →HOMER → bedtools →Monocle3 →scran 结果 1.人类血液细胞转录组参考系 首先，整体而言，HSPC和单核细胞表达的基因数量最多，而NK 细胞、T细胞和中性粒细胞的转录相对静止(图1B)。值得注意的是，与HCA数据库相比，他们的数据能够检测到更多的基因和转录因子用于深入分析(P<2.2e-16,图1C)，并且在检测低丰度基因方面尤其具有优势。 他们接着整合了所有造血细胞的单细胞转录组图谱，然后通过UMAP进行降维和可视化。发现从HSPC开始，向淋巴细胞(B细胞、NK细胞和T细胞)、髓系细胞(单核细胞和中性粒细胞)和红细胞分支，揭示了造血分化的总体轨迹。与B细胞、单核细胞和红细胞相比，他们发现NK细胞、T细胞和中性粒细胞缺乏从祖细胞到分化细胞的连续转录转移，这表明这些细胞在成熟过程中可能获得基因表达的”戏剧性“变化，或者存在已知的表面标记没有捕捉到的过渡群体(图1D)。 最后，他们观察到AVP在HSCs和MPPs中特异表达。CD79B、GZMH和CCR7分别在B细胞、NK细胞和T细胞中高特异性和高表达，SPI1和GATA1分别在中性粒细胞/单核细胞和红细胞中高表达(图1E)，验证了每种细胞中与造血相关的已知标记基因。通过对20多个健康献血者的多个典型造血群体的深度测序，他们的人类血细胞单细胞转录图谱为人类生理性和病理性造血研究提供了有价值的转录组参
单细胞微生物转录组 单细胞微生物转录组是研究单个微生物细胞基因表达的领域。这 个领域涉及到许多技术和方法，旨在理解单细胞微生物如何适应和响 应其环境，以及它们如何在不同条件下工作。以下是关于单细胞微生 物转录组的一些步骤和应用。 步骤一：单细胞分选 单细胞分选是制备单细胞微生物转录组的第一步。由于单细胞微 生物数量往往很少，分选这一步非常重要。分选策略包括利用荧光染 料或微操纵器进行手动分选以及利用流式细胞术或微流控芯片进行自 动分选。自动分选通常比手动分选更精确，但也有自动分选不能解决 的一些问题，例如细胞暂时处于休眠状态或与其他物质粘附在一起。 步骤二：RNA提取和RNA-seq 提取RNA是单细胞微生物转录组制备的下一步。为了获取足够的RNA，可以使用一些商业化的RNA提取试剂盒。但是，由于单细胞RNA 数量很少，一些研究者发展了更高效的RNA提取协议，如全细胞放线 菌分离和灵敏的酶处理方法。RNA提取后，使用RNA-seq（RNA测序） 进行测量和记录。利用RNA-seq，可以量化单细胞微生物转录组中的mRNA表达量，进而推断生物学上的差异和特征。 步骤三：数据分析和解释 单细胞微生物转录组数据分析和解释是最后一步。这通常需要设 定严格的过滤标准，以保证仅包含高质量的RNA-seq数据。另外，一 些特殊的数据分析技术（如t-SNE聚类图）可以使用来可视化单细胞 转录组，并对比较类似的微生物群落中的单个微生物进行进一步研究。解释单细胞转录组的结果可能需要融合各种生物学和生物信息学工具，以了解基因表达、代谢途径和细胞响应之间的关系。 应用 单细胞微生物转录组在全球范围内得到了广泛应用。除了基础研究，这一技术也可以用于酿酒和其他工业微生物的生产，甚至可以进
单细胞转录组讲解 单细胞转录组学是一种用于研究单个细胞中基因表达的技术。传统的转录组学研究通常采用大量细胞的混合物作为样本，而单细胞转录组学则可以对单个细胞进行分析，从而揭示细胞之间的异质性和功能差异。 单细胞转录组学的发展受益于高通量测序技术的突破。通过将单个细胞的RNA转录本进行扩增，并进行测序，我们可以得到每个细胞的基因表达图谱。这种技术的应用范围非常广泛，可以用于研究发育生物学、肿瘤学、免疫学等领域。通过分析单个细胞的基因表达，我们可以了解细胞的功能状态、细胞类型的分化和发育过程，以及细胞之间的相互作用。 单细胞转录组学的研究过程通常包括以下几个步骤。首先，需要对单个细胞进行分离和捕获。目前常用的方法有流式细胞术、微流控芯片和单细胞悬浮液滴等。接下来，需要对单个细胞的RNA进行扩增。由于单细胞中的RNA量非常有限，因此需要使用特殊的扩增方法，如T7 RNA聚合酶链式反应（T7 RNA polymerase-based linear amplification）或PCR扩增。然后，对扩增的RNA 进行测序，可以使用第二代测序技术（如Illumina测序）或第三代测序技术（如PacBio测序）。最后，通过生物信息学分析，可以得到每个细胞的基因表达图谱，并进行后续的差异表达分析、聚类分析等。
单细胞转录组学的应用已经在许多领域取得了重要的突破。例如，在发育生物学中，研究人员利用单细胞转录组学技术揭示了胚胎发育过程中各个细胞类型的形成和分化过程。在肿瘤学中，单细胞转录组学可以帮助我们了解肿瘤细胞的异质性，揭示不同细胞亚群的功能差异，并为个体化治疗提供依据。在免疫学中，单细胞转录组学可以帮助我们深入了解免疫细胞的分化和功能，并揭示免疫细胞在疾病发生发展中的作用。 然而，单细胞转录组学也面临一些挑战和限制。首先，由于单个细胞的RNA量非常有限，扩增过程容易引入扩增偏差和噪音。其次，由于测序技术的局限性，目前单细胞转录组学只能测序一部分基因，无法全面了解细胞中所有基因的表达情况。此外，由于实验操作的复杂性，单细胞转录组学的实验成本较高，需要专业的设备和技术支持。 尽管存在一些限制，单细胞转录组学仍然是研究细胞异质性和功能差异的重要工具。随着测序技术的不断发展和成本的不断降低，相信单细胞转录组学将在未来得到更广泛的应用，并为我们揭示细胞生物学和疾病发生发展的奥秘。
单细胞转录组结合代谢组 随着生物科学技术的不断发展，单细胞转录组学和代谢组学逐渐成为研究热点。单细胞转录组技术使我们能够深入了解单个细胞内的基因表达情况，而代谢组学则有助于分析细胞内的代谢产物。将这两种技术相结合，可以更全面地揭示细胞内的生物学过程。本文将探讨单细胞转录组与代谢组的结合技术，并介绍其在各个领域的应用及优势。 一、单细胞转录组概述 单细胞转录组技术是一种基于高通量测序技术的单个细胞基因表达谱分析方法。通过该技术，研究人员可以在单个细胞水平上研究基因表达差异，进一步了解细胞的分化、发育和功能。单细胞转录组技术在生物学、医学等领域具有广泛的应用前景。 二、代谢组概述 代谢组学是对细胞内所有代谢产物进行定性和定量分析的一门学科。通过对代谢产物的检测，可以了解细胞内的生物化学反应、物质循环和能量代谢情况。代谢组学在疾病诊断、药物研发、生物技术等领域具有重要应用价值。 三、单细胞转录组与代谢组的结合技术 单细胞转录组与代谢组的结合技术，可以实现对单个细胞中基因表达与代谢产物的同步分析。这种结合技术具有以下优势： 1.全面揭示细胞内生物学过程：结合转录组和代谢组数据，可以更全面地了解细胞内的基因表达和代谢情况，为进一步研究细胞功能和调控机制提供依据。
2.提高研究准确性：通过对转录组和代谢组的同步分析，可以降低样本间的差异，提高研究准确性。 3.疾病诊断和治疗新靶点发现：结合单细胞转录组和代谢组数据，可以发现与疾病相关的基因和代谢途径，为疾病诊断和治疗提供新靶点。 4.药物研发：结合转录组和代谢组数据，可以预测药物作用靶点和作用机制，加速药物研发进程。 四、结合技术的应用领域及优势 1.干细胞研究：单细胞转录组与代谢组的结合技术有助于揭示干细胞分化的分子机制，为诱导多能干细胞技术和再生医学提供理论基础。 2.肿瘤研究：结合转录组和代谢组技术可以研究肿瘤细胞的异质性，为肿瘤的精准诊断和治疗提供依据。 3.免疫学研究：通过单细胞转录组与代谢组的结合，可以深入了解免疫细胞的分化和功能，为免疫疾病治疗提供新思路。 4.微生物研究：结合转录组和代谢组技术可以揭示微生物的代谢途径和调控机制，为微生物功能基因组研究和应用奠定基础。 五、未来发展展望 随着单细胞转录组与代谢组测序技术的不断完善，结合技术在生物科学研究和应用领域将发挥越来越重要的作用。未来，结合单细胞转录组和代谢组技术将为生物学、医学、药物研发等领域带来更多突破性成果。
单细胞转录组结合代谢组 摘要： 一、单细胞转录组和代谢组的研究意义 1.单细胞转录组的研究进展 2.代谢组在生物系统中的作用 3.单细胞转录组与代谢组的结合意义 二、单细胞转录组结合代谢组的研究方法 1.实验流程与技术 2.数据处理与分析 3.实验结果与应用 三、单细胞转录组结合代谢组的应用前景 1.在疾病研究中的应用 2.在药物研发中的应用 3.在其他生物科学领域的应用 正文： 单细胞转录组结合代谢组在生物科学研究中发挥着越来越重要的作用。单细胞转录组研究通过对单个细胞进行转录组测序，能够揭示细胞间的异质性，为研究复杂的生物系统提供新的视角。代谢组则是生物体内所有代谢物的总和，它反映了生物体的代谢状态，对生物体的生长、发育和生理功能起着至关重要的作用。将单细胞转录组与代谢组相结合，能够更全面地解析细胞内的生物过程，为生命科学研究提供更为丰富的信息。
单细胞转录组结合代谢组的研究方法包括实验流程与技术、数据处理与分析以及实验结果与应用。实验流程和技术主要包括单细胞转录组和代谢组的提取、扩增、测序等步骤。数据处理与分析则涉及到生物信息学方法，如数据清洗、差异表达基因和代谢物的筛选、功能富集分析等。实验结果与应用则可以根据实验目的，进行进一步的功能研究或疾病机制探讨。 单细胞转录组结合代谢组在许多生物科学领域都有广泛的应用前景。在疾病研究方面，这种方法可以用于研究肿瘤细胞的异质性，揭示肿瘤的发生、发展和治疗耐药机制。在药物研发领域，结合单细胞转录组和代谢组可以对药物作用靶点进行精确筛选，为药物设计提供更为有效的指导。此外，单细胞转录组结合代谢组在发育生物学、神经科学、免疫学等其他生物科学领域也具有广泛的应用潜力。 总之，单细胞转录组结合代谢组作为一种强大的研究手段，正逐渐成为生物科学研究中的热门领域。
单细胞转录组测序技术原理及其应用 随着基因组学技术的飞速发展，单细胞转录组测序（Single-cell RNA-Seq）技术逐渐成熟，能够对单个细胞的基因表达情况进行高通量的测定，为生命科学研究提供了前所未有的工具和机会。本文将介绍单细胞转录组测序技术的原理及其应用。 单细胞转录组测序技术主要包括以下几个步骤： 1. 单细胞的分离 单细胞转录组测序技术是指对单个细胞进行RNA测序的技术，因此需要将细胞进行简单的分离。可使用离心、离子交换、贴壁等方式进行细胞的分离。不同的细胞类型在细胞膜蛋白、表观遗传标记等方面各不相同，因此需要针对不同的细胞类型使用不同的筛选方法，如基于荧光分选或微流控芯片分选等。 单细胞的捕获是单细胞转录组测序的关键步骤之一，其中最常用的方法是微滴分离法（Drop-seq）。整个过程大致分为三个步骤： ① 在一个含有芯片或微型装置的系统中，将单个细胞和一定量的对应量的RNA捕获位点混合在一起。 ② 加入GEM转录本测序试剂盒（GEMs），将单细胞、珠子和反应试剂在液滴中混合，形成油-水-珠（Emulsion）结构。GEMs主要是MDA（多位移扩增）试剂盒和CIS（化学切割等离子）试剂盒。 ③ 通过破裂珠子，提取RNA，然后去除DNA和其他杂质，制备RNA测序文库。 3. 测序 将单细胞RNA测序文库经过高通量测序技术进行测序，生成大量的读取长度通常为50 bp的测序数据。 4. 数据处理 对测序数据进行拼接、去除低质量序列、去除重复序列等质量控制过程，然后将拼接后的数据与参考基因组注释文件进行比对，确定每个基因的表达情况。最终，可以获得每个单细胞中每个基因的表达谱信息。 1. 发现新的细胞类型和细胞亚群 单细胞转录组测序技术可以帮助研究人员发现新的细胞类型和细胞亚群，尤其是那些在组织和器官中难以鉴定的稀有细胞类型。通过对单细胞转录组数据进行聚类分析，可以将细胞按照其基因表达谱的相似性进行分类。
单细胞转录组绘制人与小鼠白色脂肪组织的细胞图谱 前言 题目：A single-cell atlas of human and mouse white adipose tissue 日期：2022-03-16 期刊：Nature DOI：/10.1038/s41586-022-04518-2 摘要 白色脂肪组织（white adipose tissue，WAT），曾经被认为在形态和功能上平淡无奇，但后来发现它是动态变化的，具有可塑性、异质性，并且参与广泛的生物过程，包括能量稳态、葡萄糖和脂质处理、血压控制和宿主防御。之前很多常规转录组研究发现，WAT与冠状动脉疾病、2型糖尿病 (T2D)、血脂异常相关。 作者利用单细胞转录组提供了人类和小鼠皮下和内脏白色脂肪的细胞图谱，发现了脂肪细胞、脂肪干细胞和祖细胞、血管和免疫细胞的亚群，并证明了物种和饮食条件之间的共性和差异。将特定细胞类型与代谢疾病风险增加联系起来，并为消瘦和肥胖的脂肪的单个细胞类型之间的综合相互作用提供了初步蓝图。 人体白色脂肪组织图谱 使用传统的单细胞处理方法无法处理大而脆弱的成熟脂肪细胞，于是作者采用了两套不同策略：单核测序 (sNuc-seq )和全细胞Drop-seq，组织类型涉及皮下 (SAT) 和内脏 (VAT) 脂肪组织。质控后共获得28,465 个单细胞和 137,684 个单核。 作者通过整合数据，识别了WAT中的典型细胞类型：脂肪细胞、脂肪干细胞和祖细胞（ASPC）、血管细胞和免疫细胞。与预期相符，仅在sNuc-seq 数据集中发现了脂肪细胞、血管细胞和巨噬细胞。scRNA-seq 数据集中没有发现间皮细胞。不过，在现有的数据中，没有发现体重指数(BMI) 对细胞类型比例的显著影响。为此，作者扩大
单细胞转录组细胞亚群 单细胞转录组技术是近年来发展起来的一种高通量基因表达分析方法，可以用来研究细胞种群中不同亚群的基因表达差异。通过单细胞转录组技术，我们可以揭示不同细胞类型之间的功能差异，发现新的细胞类型，并深入了解细胞亚群在生物学过程中的重要作用。 传统的基因表达分析方法常常是在细胞层面上进行，无法区分细胞种群中的不同细胞类型。然而，细胞种群中的每个个体细胞都可能存在着潜在的差异，这种差异可能是细胞类型的差异导致的，也可能是细胞状态的差异导致的。单细胞转录组技术则可以针对每个细胞进行基因表达测量，从而获得每个细胞的转录谱，为分子细胞生物学研究提供了新的途径。 在单细胞转录组研究中，必须克服许多技术挑战，例如单细胞的低RNA量、RNA的降解、PCR放大偏差等。为了解决这些问题，研究人员开发出了一系列高效的样本处理和数据分析方法。目前，常用的单细胞转录组技术包括Drop-seq、10X Genomics、Smart-seq2等。
单细胞转录组技术的应用非常广泛。首先，它可以用来研究不同 细胞亚群的基因表达差异。通过比较不同细胞并确定其差异基因，我 们可以揭示不同细胞类型的特征基因，进而推断细胞类型的功能和特性。例如，在研究人类大脑发育中，单细胞转录组技术被用来发现多 种神经元亚群的存在，并分析了它们在生物学过程中的不同功能。 其次，单细胞转录组技术可以用来研究细胞状态的转变。细胞状 态的转变可能包括细胞发育、分化、增殖、及其它生物学过程。通过 分析转录组数据，我们可以了解细胞在这些过程中的基因表达模式的 改变。例如，在研究干细胞分化过程中，单细胞转录组技术被用来揭 示干细胞向分化状态转变的分子机制。 此外，单细胞转录组技术还可以应用于疾病研究。研究人员可以 通过比较正常细胞和疾病细胞的转录组，发现与疾病相关的基因差异。这些差异可能是疾病的成因或进展的关键。例如，在癌症研究中，单 细胞转录组技术可以帮助我们理解肿瘤异质性以及癌细胞的转移机制。 综上所述，单细胞转录组技术为我们揭示细胞亚群之间的差异提 供了新的方法和手段。通过该技术，我们可以更深入地了解细胞的功 能和特性，进而促进对生物学过程和疾病机制的理解。未来，随着单
单细胞转录组蛋白组 单细胞转录组和蛋白组分析是生物学研究中的两个重要方向。这两个技术分别针对单 个细胞的基因转录和蛋白质表达进行全面的分析，可以揭示细胞类型、功能、生命活动与 疾病的多层次信息。本文将就单细胞转录组和蛋白组分析的基本原理、技术流程和应用进 行简要介绍。 单细胞转录组是指对单个细胞进行RNA测序的技术，其原理是从单个细胞中提取总RNA，并随后借助于反转录、PCR扩增和测序等技术对RNA进行分析。相比传统的RNA测序，单细胞转录组技术具有以下优势： 1. 发现稀有细胞类型：传统基因测序只能依赖于大规模的样本才能发现一个特定的 细胞亚型，而单细胞RNA测序可以直接测量单个细胞的基因表达，从而发现极少数的特定 亚型。 2. 评估细胞异质性：对于同一组细胞，其细胞类型、状态和功能可能存在不同程度 的异质性，而单细胞RNA测序可以帮助鉴别和分离不同的亚型，从而评估细胞异质性。 3. 研究发育和临床疾病：单细胞RNA测序可以揭示不同细胞在不同发育阶段或疾病状态中的基因表达变化，提供更深入的认识。 单细胞RNA测序技术包括以下步骤： 1. 细胞分离和选取：通常使用流式细胞分选或微流控芯片分选等技术来单独选取需 要分析的细胞，并尽可能避免损伤或污染。 2. RNA提取：对选定的单个细胞进行RNA提取，并作用DNase消化RNA。 3. RNA库制备：将RNA逆转录为cDNA，并进行二代测序文库制备。 4. 数据分析：对测序数据进行质控、比对参考基因组、基因定量和差异表达分析等 后续步骤，发现重要的单细胞间和组间差异反映细胞的异质性和功能。 单细胞RNA测序技术可以应用于各类细胞和组织的分析，包括人体肝脏、肿瘤、心脏、神经元、植物根系等。 二. 蛋白组分析 蛋白质是生命体中最基本的分子之一，决定了细胞的结构和功能。蛋白组学分析可以 揭示蛋白质在细胞中的表达水平、位置、翻译后修饰、互作关系等多重信息。蛋白质组学 技术主要包括质谱技术和免疫染色技术两类。
冻存PBMC单细胞转录组 一、介绍 冻存PBMC单细胞转录组是一种用于研究人类外周血单个细胞的转录组学特征的方法。PBMC（外周血单个核细胞）主要由淋巴细胞（包括T细胞、B细胞和自然杀伤细胞）和单核细胞（包括单核巨噬细胞、树突状细胞和粒细胞前体细胞）组成。通过冻存和单细胞RNA测序技术，我们可以获得每个单个核细胞的全转录组数据，进而深入了解每个细胞的转录组学特征。 二、冻存PBMC单细胞转录组实验步骤 2.1 PBMC样品的采集和处理 1.从志愿者的外周血中提取血液样品。 2.使用Ficoll-Paque离心管将血液样品首次离心。 3.耐心地将上清液转移到新的离心管中。 4.再次使用Ficoll-Paque离心管进行离心操作，以分离PBMC。 5.用PBS缓冲液洗涤PBMC。 6.去除细胞离心沉淀。 2.2 PBMC单细胞的冻存和保存 1.向PBMC悬浮液中加入同等体积的冻存保护剂。常见的冻存保护剂包括10% DMSO（二甲基亚砜）和90%血清。 2.缓慢冷却PBMC悬浮液。可以使用特殊的冷冻工具或液氮计算机控制的冷却 器。 3.将冷冻PBMC样品转移到液氮罐中，保存在-80°C或液氮中。 三、冻存PBMC单细胞转录组的意义 冻存PBMC单细胞转录组在疾病诊断、药物研发和基础研究中具有重要意义。
3.1 疾病诊断 通过比较健康个体和疾病患者的PBMC单细胞转录组数据，我们可以发现不同于正 常样本的基因表达模式。这些差异可能是疾病发展的指标和潜在的靶点，有助于疾病的早期检测和诊断。 3.2 药物研发 PBMC单细胞转录组可以用于评估药物的疗效和毒性。通过将PBMC暴露于药物后， 我们可以观察到基因表达的变化，从而判断药物对细胞的影响。这有助于筛选出具有治疗潜力的药物候选物，并提供药物的个体化治疗策略。 3.3 基础研究 PBMC单细胞转录组对于探究免疫系统的发育、功能和调节机制至关重要。通过分 析不同细胞亚群的转录组数据，我们可以了解它们在免疫反应中的作用和相互关系。 四、冻存PBMC单细胞转录组分析方法 4.1 单细胞RNA测序 单细胞RNA测序技术可以对单个核细胞的转录组进行全面分析。该技术包括单细胞的分选、RNA的提取、cDNA合成、文库构建和测序等步骤。 4.2 数据处理和分析 对于单细胞RNA测序数据的处理和分析，通常包括以下步骤： 1.数据预处理：包括测序质量控制、去除低质量细胞和低表达基因等。 2.细胞聚类：使用聚类算法将细胞分为不同的亚群。 3.基因差异表达分析：比较不同细胞亚群的基因表达差异，寻找与特定亚群相 关的生物学过程和信号通路。 4.细胞轨迹分析：通过基因表达数据揭示细胞类型和状态的发育轨迹。
人类衰老状态的血液免疫单细胞图谱 文章：《Multidimensional single-cell analysis of human peripheral blood reveals characteristic features of the immune system landscape in aging and frailty》 数据集是 GSE157007 ，共产生了 high-quality scRNA-seq data from 114,467 mononuclear cells 样品队列 样品分成4个分组 可以看到，样品分成4个分组，cord blood, young adults and healthy and frail old adults ： •新生儿脐带血（n=3） •青年组PBMCs（n=3） •健康老年组PBMCs（n=6） •体弱老年组PBMCs（n=5） 3个单细胞技术： •single-cell RNA sequencing (scRNA-seq), •T-cell antigen receptor (TCR) repertoire sequencing (scTCR-seq) •surface protein antibody-barcode sequencing (CCR7, CD45RA, CD4+ and CD8+) 第一层次降维聚类分群 初步分成了 17 clusters ，大家在进行血液单细胞免疫亚群细分的时候可以参考：
•Clusters 1, 2 and 3 were distinguishable as na ïve, memory CD4+ and memory CD8+ T cells, •Cluster 6 and 9 with mixed expression of CD4+ and CD8+ were named as 'other T cells’ •Clusters 7 and 16 (CD79A, CD74and MS4A1high) were identified as B cells and antigen presenting B (APC B) cells, respectively •Clusters 5, 8 and 14 (NKG7, GNLY, KLRB1 and GZMB high) were identified as natural killer (NK) cells. •The myeloid lineage cells (clusters 4, 10 and 12) were classified as classical, intermediate and nonclassical monocytes, respectively, attributing to varying levels of S100A9, LYZ, IL1B and FCGR3A expression. •myeloid dendritic cells (mDCs; cluster 11), •plasmacytoid DCs (pDCs; cluster 15), •platelets (cluster 13) •granulocytes (cluster 17) 基本上跟我们一直给大家的单细胞亚群标记基因差不多了。